WO2024105889A1 - ルーム内負荷量制御装置、ルーム内負荷量制御方法、および、ルーム内負荷量制御プログラム - Google Patents
ルーム内負荷量制御装置、ルーム内負荷量制御方法、および、ルーム内負荷量制御プログラム Download PDFInfo
- Publication number
- WO2024105889A1 WO2024105889A1 PCT/JP2022/042908 JP2022042908W WO2024105889A1 WO 2024105889 A1 WO2024105889 A1 WO 2024105889A1 JP 2022042908 W JP2022042908 W JP 2022042908W WO 2024105889 A1 WO2024105889 A1 WO 2024105889A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- supercooling
- control
- room
- turn
- load
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 14
- 238000004781 supercooling Methods 0.000 claims abstract description 233
- 230000007850 degeneration Effects 0.000 claims abstract description 27
- 238000004378 air conditioning Methods 0.000 claims description 87
- 230000006870 function Effects 0.000 claims description 34
- 230000005611 electricity Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000001816 cooling Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
- F24F2110/64—Airborne particle content
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
- F24F2110/65—Concentration of specific substances or contaminants
- F24F2110/74—Ozone
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
- F24F2110/80—Electric charge
Definitions
- the present invention relates to a room load control device, a room load control method, and a room load control program for controlling the load in a room in a data center (hereinafter sometimes referred to as "DC"), taking into account the efficiency of air conditioning electricity charges.
- DC data center
- the amount of data processed in a DC is increasing year by year, making it necessary to improve the power consumption efficiency of the DC as a whole (the amount of power consumed by the DC as a whole for a certain amount of data processing).
- the power consumed by air conditioning also accounts for a large proportion of the power consumed, so there is a demand to reduce the power consumption of the DC as a whole.
- Non-Patent Document 1 has been disclosed as a technology for optimizing the power consumption of the entire DC by taking into account the power consumption of air conditioning and the power consumption of a server (IT device).
- operation information and monitoring information of IT equipment in a data center are collected to predict future load changes of the IT equipment, and the power increase of the air conditioning equipment corresponding to the power increase of the IT equipment is calculated.
- an optimization problem is solved in which the objective function, which is the power consumption of the data center, is minimized so that the load concentration rate of the IT equipment is increased over time, that is, the number of operating IT equipment is reduced. In this way, the placement of IT loads (virtual machines) on the IT equipment that minimizes the power consumption of the data center is calculated.
- the air conditioning power model used to calculate the power consumption of the air conditioning equipment employs a general-purpose rule-based standard that is not dependent on the equipment conditions that differ for each DC.
- it was difficult to perform optimization to reduce the power consumption of the DC taking into account individual equipment conditions such as the location of the air conditioning equipment, airflow, server configuration within the DC, and thermal cooling efficiency.
- the load characteristics suitable for supercooling differ for each room, and even if the same load is allocated to each room, the amount of air conditioning power consumed may differ.
- the supercooling effect can vary greatly depending on the load allocated during and after supercooling. Therefore, it has been difficult to maximize the efficiency of the power costs of each room within a DC through supercooling control.
- the present invention was made in consideration of these points, and aims to improve the power cost efficiency of rooms in DC by optimizing supercooling control while taking into account fluctuations in electricity rates due to the use of renewable energy, etc.
- the in-room load control device of the present invention is an in-room load control device that controls a plurality of servers and one or more air conditioners in a room of a data center in which the servers and the air conditioners are located, and controls the servers and the air conditioners in a turn indicating a predetermined control time for a learning pattern that combines a plurality of stages of initial temperature in the room, a plurality of stages of server load to be placed on the servers in the room, and a supercooling control that sets the air conditioning control to a predetermined threshold or above to control the air conditioner, or a degenerate control that indicates a control at a stage where air conditioning consumption is the lowest among control that satisfies a temperature reward.
- a supercooling load calculation unit that defines two consecutive turns as one cycle, the first turn as a supercooling turn and the second turn as a post-supercooling turn, and calculates a load amount suitable for supercooling control in the supercooling turn using the learning history information
- a post-supercooling load calculation unit that calculates a load amount suitable for degenerate control in the post-supercooling turn using the learning history information.
- the power cost efficiency of the rooms in a DC can be improved by optimizing supercooling control while taking into account fluctuations in electricity rates due to the use of renewable energy, etc.
- FIG. 13 is a diagram for explaining supercooling control in a case where the first turn and the second turn constitute one cycle. This is a diagram showing the estimated supercooling effect (electricity bill reduction) when the load on the server in the room is changed.
- 1 is a diagram showing an overall configuration of a DC (data center) including a room load control device according to an embodiment of the present invention.
- 1 is a functional block diagram showing a configuration example of an in-room load control device according to an embodiment of the present invention;
- FIG. 11 is a diagram for explaining a degeneration control stage according to the embodiment; 11 is a diagram for explaining a learning pattern for generating learning history information according to the embodiment.
- FIG. 11 is a diagram showing the difference in air conditioning power consumption between supercooling control and degeneration control in the first turn.
- FIG. 11 is a diagram showing the temperature difference in the room under supercooling control and degeneration control at the end of the first turn.
- FIG. 13 is a diagram illustrating a supercooling score function according to the present embodiment.
- FIG. 2 is a hardware configuration diagram showing an example of a computer that realizes the functions of the in-room load control device according to the present embodiment.
- the present embodiment an embodiment of the present invention (hereinafter, referred to as "the present embodiment") will be described.
- the present embodiment a method of supercooling control in a DC room and the load characteristics of the air conditioner will be described.
- Figure 1 is a diagram for explaining supercooling control when the first turn (30 minutes) and the second turn (30 minutes) are considered as one cycle.
- the first turn is applied with a renewable energy discount rate of 7 yen/kWh.
- the second turn is applied with a normal rate of 14 yen/kWh.
- optimal air conditioning control (“degenerate control” described below) is performed to minimize air conditioning power consumption, resulting in a small reduction in air conditioning power consumption.
- optimal air conditioning control is performed to minimize air conditioning power consumption, resulting in a small reduction in air conditioning power consumption.
- FIG. 2 is a diagram showing a trial calculation of the supercooling effect (amount of reduction in electricity charges) when the load situation on the server in the room is changed in six patterns (load patterns A to F). As shown in Figure 2, among the six patterns, for two patterns, load pattern A and load pattern F, the result was that supercooling control at the first turn was more cost-effective than "no supercooling control.” In particular, for load pattern A, the electricity bill was reduced by about 20%.
- the in-room load control device solves this problem by learning the air conditioning cooling in the room through a small number of trials in which parameters such as the server load are varied, thereby calculating the in-room load during and after supercooling that is suitable for supercooling control. A specific description will be given below.
- FIG. 3 is a diagram showing the overall configuration of a DC (data center) 1000 including the in-room load control device 1 according to this embodiment.
- the DC 1000 has one or more rooms 100 (rooms "A" to "C" are shown as examples in Fig. 3).
- Each room 100 has a plurality of servers 3 and one or more air conditioners 2.
- An in-room load control device 1 is provided in association with each of the rooms 100.
- the in-room load control device 1 may be provided inside the DC 1000 or at a location separate from the DC 1000 .
- the room load control device 1 corresponding to each room 100 may obtain status information (such as air conditioning power consumption) of the air conditioners 2 installed in the room 100 and transmit air conditioning control information (set temperature, air volume, etc.) via an air conditioning management device not shown in the figure, or may be directly connected to communicate with each air conditioner 2 without going through the air conditioning management device.
- the in-room load control device 1 is also communicatively connected to each server 3 in the room.
- the in-room load control device 1 may communicate via a server management device (not shown) to obtain status information (server load, etc.) of the servers 3 provided in the room 100 and transmit control information (load allocation, etc.), or may be communicatively connected directly to the servers 3.
- OpenStack registered trademark
- Kubernetes registered trademark
- OpenStack is mainly used for managing and operating physical machines and virtual machines (VMs).
- Kubernetes is mainly used for managing and operating containers.
- an application consisting of one or more containers, one or more VMs, etc.
- a virtual resource In Kubernetes, the smallest execution unit of an application is a Pod consisting of one or more containers.
- the room 100 may be divided into a plurality of areas based on the location of the servers 3, etc.
- a number of sensors are installed in this room 100. For example, if the room 100 is divided into areas, one or more temperature sensors are installed in each area. Temperature sensors are also installed at the intake and exhaust ports of each server 3 or a server 3 selected within an area. Information obtained from these sensors (sensor information) can be acquired by the in-room load control device 1 associated with the room via a communication line or the like.
- the in-room load control device 1 varies parameters such as the server load and initial temperature to execute "supercooling control” and “optimization control ("degenerate control” described below)" by the air conditioner 2 to generate a learning history, and uses the learning history to determine the load amount in the room during and after supercooling that is suitable for supercooling control.
- the in-room load control device 1 calculates the optimal load amount for each of two phases: a turn during supercooling and a turn after supercooling.
- the in-room load control device 1 calculates the optimal load amount by calculating a supercooling score function (details to be described later) based on the supercooling effect and the resources consumed from the learning history.
- the in-room load control device 1 calculates the optimal load amount by calculating a power consumption cost efficiency (details to be described later) based on the cost of supplying power from the learning history.
- the in-room load control device 1 will be described in detail below.
- FIG. 4 is a functional block diagram showing an example of the configuration of the in-room load control device 1 according to this embodiment.
- the room load control device 1 varies parameters such as the server load and initial temperature, and executes "supercooling control” and “optimization control ("degenerate control” described below)" by the air conditioner 2 to generate a learning history, and calculates the optimal load during the supercooling turn and after the supercooling turn based on the generated learning history.
- This in-room load control device 1 is composed of a computer equipped with a control unit 10, an input/output unit 20, and a memory unit 30.
- the input/output unit 20 inputs and outputs information between each device (each server 3 and each air conditioner 2) in the room 100.
- This input/output unit 20 is composed of a communication interface that transmits and receives information via a communication line, and an input/output interface that inputs and outputs information between an input device such as a keyboard and an output device such as a monitor (not shown).
- the storage unit 30 is configured with a hard disk, a flash memory, a RAM (Random Access Memory), or the like.
- the storage unit 30 temporarily stores programs for executing the functions of the control unit 10 and information necessary for the processing of the control unit 10. For example, coefficients such as "c1" (power consumption cost coefficient in the supercooling turn) and "c2" (power consumption cost coefficient in the post-supercooling turn) are stored in the storage unit 30.
- the storage unit 30 also stores learning history information 300. The learning history information 300 will be described in detail later.
- the control unit 10 is responsible for all the processing executed by the in-room load control device 1, and as shown in FIG. 4, includes a learning history generation unit 11, a DC in-room load generation unit 12, a DC in-room load placement control unit 13, a DC in-room air conditioning control unit 14, and a DC in-room optimal load determination unit 15.
- the learning history generating unit 11 calculates the power consumption (air conditioning power consumption) during each turn of the supercooling control and degeneration control of the air conditioner 2 and the temperature in the room 100 after the turn based on the learning pattern in which the initial temperature in the room and the load amount in the room are changed, and stores these as learning history information 300 ( Figure 4).
- supercooling control is a control mode in which each control parameter among the configurable control values (e.g., set temperature, air volume, etc.) of the air conditioner 2 is set at a predetermined threshold value (predetermined control strength) or higher in order to increase the cooling capacity.
- predetermined threshold value predetermined control strength
- supercooling control is set at the maximum value/maximum level of each control parameter.
- degenerate control refers to combining the air conditioning control parameters of the air conditioner 2 (e.g., set temperature, air volume, etc.) in multiple stages for each level, and controlling the air conditioning at the lowest output value level that satisfies the temperature reward in the DC room.
- air conditioning control parameters of the air conditioner 2 e.g., set temperature, air volume, etc.
- the set temperature is set in stages at 4°C intervals, such as “32°C,””28°C,””24°C,””20°C,” and “16°C.”
- the air volume is set in stages at 6 Hz intervals, such as "24Hz,”"30Hz,””36Hz,””42Hz,” and "48Hz.”
- the stages set for each parameter are then combined to set “degenerate control stages.”
- “set temperature 32°C: air volume 24 Hz” is set as degenerate control stage "1”.
- “set temperature 28°C: air volume 30 Hz” is set as degenerate control stage "2".
- set temperature 24°C: air volume 36 Hz is set as degenerate control stage "3".
- degenerate control stages "4" and "5" are set in a similar manner.
- the degeneration control stages “3,” “4,” and “5" that can control the temperature to "less than 27°C” as set as the temperature reward will be within the acceptable range for the temperature reward.
- the degeneration control stage “3” (set temperature 24°C, air volume 36 Hz) that provides the least amount of air conditioning power consumption is determined as the degeneration control value.
- the learning history generating unit 11 acquires the learning history when air conditioning control is performed for a total of L x M x 2 patterns (hereinafter referred to as "predetermined learning patterns") in which the server load (M) and air conditioning control pattern (two patterns: supercooling control and degeneration control) are changed for each initial temperature (L) in the DC room, and stores the air conditioning power consumption at that time and the temperature in the room at the end of the turn in the memory unit 30 as learning history information 300.
- predetermined learning patterns L x M x 2 patterns
- the temperature in the DC room is defined as follows, for example, and one of the following is adopted. (1) The current temperature of a fixed sensor in the DC room. (2) The overall average of the sensor temperatures in each area in the DC room. (3) The average temperature on the intake side or exhaust side in the DC room.
- the initial temperature and server load settings are not limited to three levels and may be set to more than three levels.
- the server load may be set to four levels, such as “30 kW", “60 kW”, “80 kW", and "100 kW”.
- the learning history generating unit 11 classifies the learning history executed in a predetermined learning pattern according to the range of the initial temperature in the DC room, and stores the classified learning history as learning history information 300.
- learning history information 300 information on the initial temperature, server load, and air conditioning control (supercooling control or degenerate control) is stored as learning data sets for each initial temperature range in association with the air conditioning power consumption at that time and the temperature inside the room at the end of the turn.
- This predetermined learning pattern may be set in advance in the learning history generating unit 11, or may be obtained from a management device (not shown) of the DC 1000 to start the learning history generation process.
- the learning history generating unit 11 instructs the DC room load generating unit 12, the DC room load placement control unit 13, and the DC room air conditioning control unit 14 to place loads in the room 100 and to execute air conditioning control.
- the DC room load generation unit 12 determines the server 3 for which the server load is to be set when generating the learning history information 300.
- This DC room load generation unit 12 includes a load generation server determination unit 121 and a server power measurement unit 122.
- the load generation server determination unit 121 determines an arrangement pattern in which the server load amount set by the learning history generation unit 11 is arranged on each server 3 in the room 100.
- the logic for determining the arrangement pattern by the load generation server determination unit 121 is preset, for example, a logic for determining the arrangement pattern based on the most recent resource usage status (e.g., CPU usage rate) of each server 3.
- the server power measurement unit 122 measures the server power consumption (server power consumption) when each server 3 executes a process in the placement pattern determined by the load generation server determination unit 121 when generating the learning history information 300 .
- the DC room load placement control unit 13 generates and places virtual resources (VMs, containers, etc.) for each server 3 in the placement pattern determined by the load generation server determination unit 121, and executes the load processing that was actually set when the learning history information 300 was generated.
- virtual resources VMs, containers, etc.
- the DC room air conditioning control unit 14 executes air conditioning control (set temperature, air volume, etc.) for each air conditioner 2 in accordance with either supercooling control or degeneration control for each turn.
- This DC room air conditioning control unit 14 includes an air conditioning control execution unit 141 and a degeneration control value determination unit 142.
- the air conditioning control execution unit 141 instructs each air conditioner 2 to perform air conditioning control (set temperature, air volume, etc.) for the air conditioner in accordance with either supercooling control or degeneration control set by the learning history generation unit 11.
- the air conditioning control execution unit 141 causes the air conditioner 2 to execute supercooling control, it sends, for example, setting instructions to the air conditioner 2 for the maximum values/maximum levels of each control parameter (set temperature, air volume, etc.).
- the air conditioning control execution unit 141 causes the air conditioner 2 to execute degeneration control, it transmits control information to the air conditioner 2 based on the degeneration control value determined by the degeneration control value determination unit 142 that minimizes the amount of air conditioning power consumption.
- the degenerate control value determination unit 142 determines, as the degenerate control value, the control value of the degenerate control stage that satisfies the temperature reward in the DC room and has the lowest output value level, i.e., the least amount of air conditioning power consumption, among the degenerate control stages ( Figure 5) related to the air conditioning control of the air conditioner 2.
- the DC room optimal load determination unit 15 regards a predetermined interval (e.g., 30 minutes) as one turn, and defines two consecutive turns as one cycle into a turn during which supercooling is being performed (hereinafter referred to as a "turn during supercooling") and a turn after supercooling has been performed (hereinafter referred to as a "turn after supercooling").
- the DC room optimum load amount determination unit 15 calculates the optimum load amount in the room 100 suitable for supercooling, using the learning history information 300, as the load amount during supercooling turn and the load amount after supercooling turn.
- the DC room optimum load amount determining unit 15 includes a supercooling load amount calculating unit 151 and a post-supercooling load amount calculating unit 152 .
- the supercooling load calculation unit 151 uses the learning history information 300 to calculate an optimal load suitable for supercooling control during the supercooling turn by determining a "supercooling score function."
- the supercooling score function (S1) is defined as a function obtained by dividing the result of supercooling by the resource consumed, as shown in the following formula (1).
- x is the load amount in the room during the supercooling turn.
- u(t) is a function that indicates the time fluctuation of the server intake temperature during one turn. It differs depending on the room environment.
- c is the control level when air conditioning is optimally controlled.
- f(x, u(t), c) indicates the difference in air conditioning power consumption per unit between supercooling control and degenerate control during the supercooling turn, that is, the resources consumed for supercooling control.
- g(x, u(t), c) indicates the temperature difference indicating how much the supercooling control has reduced the temperature inside the room compared to the degenerate control at the end of the supercooling turn, that is, the result of supercooling.
- the supercooling load calculation unit 151 defines the supercooling score function at the end of supercooling control as shown in the above formula (1), and approximates the function based on the learning history information 300 to determine the load amount that maximizes the supercooling score function as the optimal load amount for the supercooling turn.
- the supercooling load calculation unit 151 obtains the initial temperature of the room 100, and obtains the learning history corresponding to that initial temperature from the learning history information 300.
- the initial temperature of the room 100 is 19°C
- the air conditioning power consumption when the load is "30kW”, “60kW”, “80kW”, and "100kW” is obtained for supercooling control and degenerate control, and the difference in total air conditioning power consumption in the first turn is calculated.
- FIG. 7 is a graph showing an approximation of the function "f(x,u(t),c)" using learning data when the initial temperature is 19°C.
- the supercooling load calculation unit 151 acquires learning data when the server load is "30kW", “60kW”, “80kW”, and "100kW” from the learning history information 300 (for example, "learning data set A") for the "initial temperature range of 18°C to 23°C” that includes the initial temperature of 19°C, and calculates the difference in the air conditioning power consumption between supercooling control and degenerate control.
- the supercooling load calculation unit 151 can obtain the code 71 in FIG. 7 as an equation that approximates "f(x,u(t),c)". Note that by fixing the initial temperature of the room 100 of u(0) and the target room, "f(x,u(t),c)" is treated as a one-variable function of "f(x)”.
- FIG. 8 is a graph showing an approximation of the function "g(x,u(t),c)" using the learning data when the initial temperature is 19°C.
- the supercooling load calculation unit 151 acquires learning data when the server load is "30kW", “60kW”, “80kW”, and "100kW” from the learning history information 300 (for example, "learning data set A") of the "initial temperature range of 18°C to 23°C” that includes the initial temperature of 19°C, and calculates the temperature difference indicating how much the supercooling control has lowered the temperature inside the room compared to the degenerate control. Then, the supercooling load calculation unit 151 can obtain the code 81 in FIG.
- the supercooling load calculation unit 151 can obtain the optimal room load during supercooling as the load that maximizes the supercooling score function S1 based on the differentiation result of S1.
- the supercooling load calculation unit 151 can calculate the optimal load for the supercooling turn using the supercooling score function by approximating the functions ("f(x)", "g(x)" based on the learning history information 300.
- the post-supercooling load calculation unit 152 uses the learning history information 300 to calculate the optimal load in the post-supercooling turn. Specifically, the post-supercooling load calculation unit 152 defines the “power consumption cost efficiency” as shown in the following equation (2), approximates the function based on the learning history information 300, and determines the load amount that maximizes the power consumption cost efficiency (Ec) when the optimal load amount for the supercooling turn is fixed as the optimal load amount for the post-supercooling turn.
- the following definition is made for the supercooled turn: "x” is the load amount in the room during the supercooling turn. “c1” is the power consumption cost coefficient for the supercooling turn. For example, it is (7 yen/kWh) and is the coefficient for converting power consumption into electricity charges. "u0” is the initial temperature at the start of the supercooling turn. “p(u0, x)” is the air conditioning power consumption amount during the supercooling turn. In addition, in the post-supercooling turn, the following definition is made: “y” is the load amount in the room during the post-supercooling turn.
- c2 is the power consumption cost coefficient in the post-supercooling turn, for example, 14 yen/kWh, which is a coefficient for converting power consumption into an electricity fee.
- u(x) is the initial temperature at the start of the turn after supercooling.
- p(u(x), y) is the amount of air conditioning power consumption after the supercooling turn.
- k is a coefficient (load/server power ratio coefficient) for converting the server load into server power consumption. This “k” is calculated based on the server load set for each server 3 and the server power consumption (server power consumption) measured by the server power measurement unit 122 when generating the learning history.
- the optimal load during supercooling is fixed to "x0" to obtain the following formula (3), which is a one-variable function of y.
- the power consumption cost efficiency Ec can be expressed by the graph shown in Figure 10.
- the post-supercooling load calculation unit 152 fixes the optimal load x0 during the supercooling turn as a one-variable function of y, and obtains information on the room temperature at the end of the supercooling turn from the learning history information 300, thereby being able to determine the optimal room load for the post-supercooling turn from the differential result of the power consumption cost efficiency Ec(y).
- y becomes the optimal load amount for the post-supercooling turn of the room 100 (see FIG. 10).
- d/dy(Ec(y))>0 is always satisfied, the maximum load that can be cooled in the room 100 is the optimal load.
- d/dy(Ec(y)) ⁇ 0 the minimum load in the room 100 is the optimal load.
- the post-supercooling load calculation unit 152 can calculate the optimal load for the post-supercooling turn by defining the power consumption cost efficiency Ec as in equation (2) and approximating the function Ec(y) based on the learning history.
- FIG. 11 is a flowchart showing the flow of the process executed by the in-room load control device 1 according to this embodiment.
- the in-room load control device 1 executes a process of generating the learning history information 300 by the learning history generating unit 11 etc. Specifically, the following processes of steps S1 to S5 are executed.
- the learning history generating unit 11 repeats the processes of the following steps S2 to S5 for all patterns set as learning patterns.
- the DC room load generation unit 12 determines the placement pattern for placing the set server load (e.g., "30 kW") on each server in the room 100 based on a predetermined logic (step S2).
- the DC room load placement control unit 13 generates and places virtual resources (VMs, containers, etc.) for each server 3 in the placement pattern determined by the load generation server determination unit 121 (step S3).
- virtual resources VMs, containers, etc.
- the DC room air conditioning control unit 14 executes air conditioning control (set temperature, air volume, etc.) of each air conditioner 2 in accordance with either supercooling control or degeneration control for each turn (step S4).
- the air conditioning control execution unit 141 causes the air conditioner 2 to execute supercooling control, it controls the air conditioner 2, for example, by sending setting instructions to the air conditioner 2 at the maximum value/maximum level of each control parameter (set temperature, air volume, etc.).
- the air conditioning control execution unit 141 controls the air conditioner 2 by sending control information to the air conditioner 2 based on the degeneracy control value determined by the degeneracy control value determination unit 142 that minimizes the amount of air conditioning power consumption.
- the learning history generating unit 11 classifies the learning history executed in each learning pattern according to the range of the initial temperature in the DC room, and stores the classified history as the learning history information 300 (step S5).
- This learning history information 300 stores information on the initial temperature, server load, and air conditioning control (supercooling control or degeneration control) for each initial temperature range, in correspondence with the air conditioning power consumption at that time and the room temperature at the end of the turn.
- the supercooling load calculation unit 151 uses the learning history information 300 to calculate the optimal load suitable for supercooling control during the supercooling turn by finding a supercooling score function (step S6).
- the post-supercooling load calculation unit 152 defines the power consumption cost efficiency as shown in the above equation (2), and calculates the optimal load for the post-supercooling turn by fixing the optimal load during supercooling and setting it to equation (3) (step S7). Specifically, the post-supercooling load calculation unit 152 fixes x0 and sets the optimal load amount for the supercooling turn as a one-variable function of y for the power consumption cost efficiency (Ec) shown in formula (2), resulting in formula (3).Then, the post-supercooling load calculation unit 152 obtains information on the room temperature at the end of the supercooling turn from the learning history information 300, and calculates the optimal room load amount for the post-supercooling turn by the derivative of the power consumption cost efficiency Ec(y).
- the in-room load control device 1 varies parameters such as the server load and initial temperature to execute "supercooling control” and “degenerate control” by the air conditioner 2 and generate learning history information 300. Then, using the learning history information 300, the in-room load control device 1 can determine the load amount in the room during supercooling turn and after supercooling turn that is suitable for supercooling control.
- the in-room load control device 1 is realized by a computer 900 having a configuration as shown in FIG. 12 is a hardware configuration diagram showing an example of a computer 900 that realizes the functions of the in-room load control device 1 according to this embodiment.
- the computer 900 has a CPU (Central Processing Unit) 901, a ROM (Read Only Memory) 902, a RAM 903, a HDD (Hard Disk Drive) 904, an input/output I/F (Interface) 905, a communication I/F 906, and a media I/F 907.
- the CPU 901 operates based on a program stored in the ROM 902 or HDD 904, and performs control by the control unit 10.
- the ROM 902 stores a boot program executed by the CPU 901 when the computer 900 is started, programs related to the hardware of the computer 900, etc.
- the CPU 901 controls an input device 910 such as a mouse or keyboard, and an output device 911 such as a display or printer, via an input/output I/F 905.
- the CPU 901 acquires data from the input device 910 via the input/output I/F 905, and outputs generated data to the output device 911.
- a GPU Graphics Processing Unit
- a processor may be used as a processor in addition to the CPU 901.
- the HDD 904 stores the programs executed by the CPU 901 and the data used by the programs.
- the communication I/F 906 receives data from other devices via a communication network (e.g., NW (Network) 920) and outputs the data to the CPU 901, and also transmits data generated by the CPU 901 to other devices via the communication network.
- NW Network
- the media I/F 907 reads the program or data stored in the recording medium 912 and outputs it to the CPU 901 via the RAM 903.
- the CPU 901 loads the program related to the target processing from the recording medium 912 onto the RAM 903 via the media I/F 907, and executes the loaded program.
- the recording medium 912 is an optical recording medium such as a DVD (Digital Versatile Disc) or a PD (Phase change rewritable Disk), a magneto-optical recording medium such as an MO (Magneto Optical disk), a magnetic recording medium, a semiconductor memory, etc.
- the CPU 901 of the computer 900 executes a program loaded onto the RAM 903 to realize the functions of the in-room load control device 1.
- the data in the RAM 903 is stored in the HDD 904.
- the CPU 901 reads and executes a program related to the target processing from the recording medium 912. Additionally, the CPU 901 may read a program related to the target processing from another device via the communication network (NW 920).
- the in-room load control device 1 is an in-room load control device 1 that controls a server 3 and an air conditioner 2 in a room 100 of a data center 1000 in which a plurality of servers 3 and one or more air conditioners 2 are arranged, and controls the server 3 and the air conditioner 2 in a turn indicating a predetermined control time for a learning pattern that combines a plurality of stages of initial temperature in the room 100, a plurality of stages of server load to be placed on the server 3 in the room 100, and a supercooling control that sets the air conditioning control to a predetermined threshold value or higher to control the air conditioner 2, or a degenerate control that indicates a control at a stage where air conditioning consumption is the smallest among control that satisfies a temperature reward.
- a during-supercooling load calculation unit 151 that defines two consecutive turns as one cycle, the first turn as a during-supercooling turn and the second turn as a post-supercooling turn, and calculates a load amount suitable for supercooling control in the during-supercooling turn using the learning history information 300; and a post-supercooling load calculation unit 152 that calculates a load amount suitable for degeneration control in the post-supercooling turn using the learning history information.
- the in-room load control device 1 can calculate the optimal load for the room 100 during the supercooling turn and the post-supercooling turn, taking into account fluctuations in electricity rates due to the use of renewable energy, etc. Therefore, the in-room load control device 1 can improve the power cost efficiency in the DC room by setting the optimal load for supercooling control in the room.
- the supercooling load calculation unit 151 defines a supercooling score function using the temperature difference between the temperatures lowered in the supercooling control and the degenerate control at the end of the supercooling turn and the difference in the power consumption of the air conditioner 2 between the supercooling control and the degenerate control during the supercooling turn, and calculates the load suitable for the supercooling control during the supercooling turn by approximating the supercooling score function based on the learning history information 300.
- the in-room load control device 1 can calculate the optimal load during the supercooling turn by simply collecting a small amount of learning history that is set in advance, rather than the learning history of a specific learning pattern, i.e., the learning history of all patterns.
- the post-supercooling load calculation unit 152 defines the total power consumption cost during the supercooling turn and the post-supercooling turn divided by the total load in the room during the supercooling turn and the post-supercooling turn as the power consumption cost efficiency, and calculates the load suitable for degeneration control during the post-supercooling turn using the power consumption cost efficiency when the load during the supercooling turn is fixed to the value calculated by the supercooling load calculation unit 151.
- the in-room load control device 1 can define the power consumption cost efficiency and then calculate the optimal load in the post-supercooling turn using the optimal load calculated in the supercooling turn.
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
ルーム内負荷量制御装置(1)は、初期温度の複数の段階と、サーバ負荷量の複数の段階と、過冷却制御または縮退制御と、をそれぞれ組み合わせた学習パターンについて、サーバおよび空調機を制御することにより、ルーム全体の空調機の消費電力量と、ターン終了時のルーム内の温度とを対応付けて、学習パターンごとの学習履歴情報(300)として生成する学習履歴生成部(11)と、過冷却中ターンにおける過冷却制御に適した負荷量を、学習履歴情報(300)を用いて算出する過冷却中負荷量算出部(151)と、過冷却後ターンにおける縮退制御に適した負荷量を、学習履歴情報(300)を用いて算出する過冷却後負荷量算出部(152)と、を備える。
Description
本発明は、データセンタ(以下、「DC」と称する場合がある。)における、空調電気料金効率を考慮したルーム内の負荷量を制御するルーム内負荷量制御装置、ルーム内負荷量制御方法、および、ルーム内負荷量制御プログラムに関する。
温室効果ガス排出量削減を目標に、太陽光発電や風力発電等から得られた再生エネルギーの活用拡大のための、施設設備や技術普及が推進されている。一方、再生エネルギーは、その供給量が自然環境の変化による影響を受けるとともに、「貯蔵できない」という性質を持つため、電力供給のピークに合わせて需要を増やすことで、再生エネルギーの活用効率を最大化する必要がある。例えば、再生エネルギーの過剰出力分を需要機器の稼働により消費したり、蓄電池に充電することにより吸収したりする、いわゆる「上げDR(Demand Response)」が行われている。この再生エネルギーは、年々電力供給量が増えてきており、データセンタ(DC)においても再生エネルギーに基づく電力供給を受ける機会が増えることが想定されている。
一方、DCにおけるデータ処理量は、年々増加傾向にあり、DC全体としての電力消費効率(ある一定量のデータ処理に対するDC全体の消費電力量)の向上が必要となる。DCにおいては、サーバの消費電力に加えて、空調の消費電力量の比率も大きな比率を占めており、DC全体として消費電力量の削減が求められている。
空調の消費電力量、および、サーバ(IT装置)の消費電力量を考慮し、DC全体の消費電力量を最適化する技術として、非特許文献1に記載の技術が公開されている。
非特許文献1のデータセンタ向け空調連係IT負荷配置最適化方式では、データセンタのIT機器の稼働情報や監視情報を収集することにより、IT機器の将来の負荷の推移を予測し、IT機器の電力増分に応じた空調設備の電力増分を算出する。そして、時系列でIT機器への負荷集約率が高まるように、つまりIT機器の稼働台数が削減されるように、データセンタの電力量である目的関数が最小となる最適化問題を解く。これにより、データセンタの電力量を最小化するIT機器へのIT負荷(仮想マシン)の配置を算出する。
非特許文献1のデータセンタ向け空調連係IT負荷配置最適化方式では、データセンタのIT機器の稼働情報や監視情報を収集することにより、IT機器の将来の負荷の推移を予測し、IT機器の電力増分に応じた空調設備の電力増分を算出する。そして、時系列でIT機器への負荷集約率が高まるように、つまりIT機器の稼働台数が削減されるように、データセンタの電力量である目的関数が最小となる最適化問題を解く。これにより、データセンタの電力量を最小化するIT機器へのIT負荷(仮想マシン)の配置を算出する。
沖津潤 外4名、「環境配慮型データセンタ向け空調連係IT負荷配置最適化方式」、FIT(Forum on Information Technology)2010、第9回情報科学技術フォーラム、RC-009
しかしながら、非特許文献1に記載の技術では、空調設備の電力の算出に用いる空調電力モデルにおいて、DCごとに異なる設備条件に依存しない汎用的なルールベース基準を採用している。そのため、空調設備の配置位置、気流、DC内のサーバ配置構成、熱冷却効率などの個別の設備条件を考慮した、DCの電力量を低減するための最適化を行うことは難しかった。
また、再生エネルギーを利用した電力供給をDCが受ける場合において、再生エネルギーの活用効率を最大化することが考慮されていなかった。再生エネルギーを利用する場合、上記したように再生エネルギーの効率的な運用を図るため、電気料金の割引(例えば、昼間帯割引や夜間割引)が設定される。この電気料金の割引時間帯において、DC内のルームを過冷却制御することにより、全体の電力料金を抑制することが考えられる。ここで、過冷却制御とは、通常電気料金より安価に電力(例えば、再生エネルギーによる電力)を調達可能な時間帯に、DC内空調制御を強め、その蓄冷効果を用いて、以降の通常電気料金時間帯の空調出力を緩和させることで、DC内のルーム全体の空調電気料金を削減する制御方式である。
しかしながら、1つのDCにおいても、ルームごとに過冷却に適する負荷特性が異なっており、たとえ同じ負荷量を各ルームに配分しても空調消費電力量が異なる場合があるとともに、過冷却中と過冷却後に配分する負荷量によっても、過冷却効果が大きく変動する。よって、過冷却制御によりDC内における各ルームの電力コストの効率を最大化することは難しかった。
このような点に鑑みて本発明がなされたのであり、本発明は、再生エネルギー等の活用による電気料金の変動を考慮して過冷却制御を最適化することにより、DCにおけるルームの電力コスト効率を高めることを課題とする。
本発明に係るルーム内負荷量制御装置は、複数のサーバおよび1つ以上の空調機が配置されるデータセンタのルームにおける前記サーバおよび前記空調機を制御するルーム内負荷量制御装置であって、前記ルーム内の初期温度の複数の段階と、前記ルーム内の前記サーバに負荷するサーバ負荷量の複数の段階と、空調制御を所定の閾値以上に設定して前記空調機を制御する過冷却制御または温度報酬を満たす制御のうち最も空調消費量が少ない段階での制御を示す縮退制御と、をそれぞれ組み合わせた学習パターンについて、所定の制御時間を示すターンにおいて前記サーバおよび前記空調機を制御することにより、前記ルーム全体の空調機の消費電力量と、前記ターン終了時のルーム内の温度とを、前記学習パターンごとの学習履歴情報として生成する学習履歴生成部と、連続する2つのターンを1周期とし、1ターン目を過冷却中ターン、2ターン目を過冷却後ターンと定義しておき、前記過冷却中ターンにおける過冷却制御に適した負荷量を、前記学習履歴情報を用いて算出する過冷却中負荷量算出部と、前記過冷却後ターンにおける縮退制御に適した負荷量を、前記学習履歴情報を用いて算出する過冷却後負荷量算出部と、を備えることを特徴とする。
本発明によれば、再生エネルギー等の活用による電気料金の変動を考慮して過冷却制御を最適化することにより、DCにおけるルームの電力コスト効率を高めることができる。
次に、本発明を実施するための形態(以下、「本実施形態」と称する。)について説明する。
まず、前提として、DCのルームにおける過冷却制御の手法と空調機の負荷特性について説明する。
まず、前提として、DCのルームにおける過冷却制御の手法と空調機の負荷特性について説明する。
ここでは、過冷却制御を実行した結果を、再生エネルギー利用による電気料金割引(例えば、昼間帯半額)を考慮した電気料金で費用換算し過冷却制御の効果を試算する。
図1は、1ターン目(30分)と2ターン目(30分)とを1周期とした場合の、過冷却制御を説明するための図である。ここで、1ターン目は再生エネルギー割引料金が適用され「7円/kWh」とする。2ターン目は通常料金が適用され「14円/kWh」とする。
図1は、1ターン目(30分)と2ターン目(30分)とを1周期とした場合の、過冷却制御を説明するための図である。ここで、1ターン目は再生エネルギー割引料金が適用され「7円/kWh」とする。2ターン目は通常料金が適用され「14円/kWh」とする。
図1で示すように、〔1〕過冷却制御「無」の場合においては、1ターン目では、空調消費電力を最小化するような空調最適制御(後記する「縮退制御」)が行われ、その結果空調消費電力が小幅に減少する。そして、2ターン目においても同様に、空調消費電力を最小化するような空調最適制御が行われ、その結果空調消費電力が小幅に減少する。
〔2〕過冷却制御「有」の場合においては、1ターン目では、空調制御を例えば最大値に設定した空調過冷却制御が行われ、その結果空調消費電力が大幅に増加する。しかしながら、2ターン目においては、空調最適化制御が行われるが、1ターン目の過冷却制御による蓄冷効果のため、空調消費電力が大幅に減少する。
図2は、ルーム内のサーバへの負荷状況を6パターン(負荷パターンA~F)で変動させた場合の、過冷却効果(電気料金の削減量)を試算した図である。
図2で示すように、6パターンのうち、負荷パターンAと負荷パターンFの2パターンで、過冷却制御「無」に比べて、1ターン目に過冷却制御した方が、費用効果が高くなる結果となった。特に負荷パターンAでは、約20%の電気料金の削減効果となる。
図2で示すように、6パターンのうち、負荷パターンAと負荷パターンFの2パターンで、過冷却制御「無」に比べて、1ターン目に過冷却制御した方が、費用効果が高くなる結果となった。特に負荷パターンAでは、約20%の電気料金の削減効果となる。
しかしながら、過冷却制御によりコスト削減効果が出るルームの負荷には条件があり、過冷却中(1ターン目)のルーム内のサーバ負荷、過冷却後(2ターン目)のルーム内のサーバ負荷をどのように設定するかを予め決定することは難しかった。また、ルーム内の空調設備の性能や配置、そのルームの位置(窓の設置状況や日照条件等)により、1つのDC内のルームそれぞれにおいても、過冷却に適する負荷特性が異なるものとなる。
よって、過冷却制御に適した過冷却中および過冷却後の各ルーム内のサーバ負荷を決定することは従来技術ではできていなかった。本実施形態に係るルーム内負荷量制御装置は、この課題を、サーバ負荷等のパラメータを変動させた少ない試行回数によりルーム内での空調冷却を学習することにより、過冷却制御に適した過冷却中および過冷却後のルーム内負荷量を算出するものである。以下、具体的に説明する。
よって、過冷却制御に適した過冷却中および過冷却後の各ルーム内のサーバ負荷を決定することは従来技術ではできていなかった。本実施形態に係るルーム内負荷量制御装置は、この課題を、サーバ負荷等のパラメータを変動させた少ない試行回数によりルーム内での空調冷却を学習することにより、過冷却制御に適した過冷却中および過冷却後のルーム内負荷量を算出するものである。以下、具体的に説明する。
<DC>
図3は、本実施形態に係るルーム内負荷量制御装置1を含むDC(データセンタ)1000の全体構成を示す図である。
図3で示すように、DC1000は、1つ以上のルーム100(図3では、例としてルーム「A」~「C」を示す。)を有する。各ルーム100は、複数のサーバ3および1つ以上の空調機2を備える。そして、ルーム100それぞれに対応付けてルーム内負荷量制御装置1が設けられる。
なお、ルーム内負荷量制御装置1は、DC1000の内部に設けられていてもよいし、DC1000とは別の場所に設けられていてもよい。
図3は、本実施形態に係るルーム内負荷量制御装置1を含むDC(データセンタ)1000の全体構成を示す図である。
図3で示すように、DC1000は、1つ以上のルーム100(図3では、例としてルーム「A」~「C」を示す。)を有する。各ルーム100は、複数のサーバ3および1つ以上の空調機2を備える。そして、ルーム100それぞれに対応付けてルーム内負荷量制御装置1が設けられる。
なお、ルーム内負荷量制御装置1は、DC1000の内部に設けられていてもよいし、DC1000とは別の場所に設けられていてもよい。
各ルーム100に対応するルーム内負荷量制御装置1は、図示を省略した空調管理装置を介して、ルーム100内に設けられた空調機2の状態情報(空調消費電力量等)を取得したり、空調制御情報(設定温度や風量等)を送信したりしてもよいし、空調管理装置を介さず直接各空調機2と通信接続されていてもよい。
また、ルーム内負荷量制御装置1は、ルーム内の各サーバ3と通信接続される。ルーム内負荷量制御装置1は、図示を省略したサーバ管理装置を介して通信接続し、ルーム100内に設けられたサーバ3の状態情報(サーバ負荷量等)を取得したり制御情報(負荷配置等)を送信したりしてもよいし、サーバ3と直接通信接続されていてもよい。
また、ルーム内負荷量制御装置1は、ルーム内の各サーバ3と通信接続される。ルーム内負荷量制御装置1は、図示を省略したサーバ管理装置を介して通信接続し、ルーム100内に設けられたサーバ3の状態情報(サーバ負荷量等)を取得したり制御情報(負荷配置等)を送信したりしてもよいし、サーバ3と直接通信接続されていてもよい。
このDC1000では、仮想化基盤が構築され運用されるものとして説明する。オープンソースの仮想化基盤としては、クラウド環境構築用のソフトウェアであるOpenStack(登録商標)や、コンテナ化されたワークロードやサービスを運用管理するためのソフトウェアであるKubernetes(登録商標)が知られている。OpenStackは、主に物理マシンや仮想マシン(VM)の管理・運用に用いられる。Kubernetesは、主にコンテナの管理・運用に用いられる。
本明細書においては、仮想化基盤において仮想化されたアプリケーション(1つ以上のコンテナや、1つ以上のVM等で構成)のことを仮想リソースと称する。なお、Kubernetesでは、アプリケーションの最小実行単位が、1つ以上のコンテナにより構成されるPodとなる。
また、ルーム100内には、サーバ3の配置等に基づき複数のエリアに区分けされていてもよい。
本明細書においては、仮想化基盤において仮想化されたアプリケーション(1つ以上のコンテナや、1つ以上のVM等で構成)のことを仮想リソースと称する。なお、Kubernetesでは、アプリケーションの最小実行単位が、1つ以上のコンテナにより構成されるPodとなる。
また、ルーム100内には、サーバ3の配置等に基づき複数のエリアに区分けされていてもよい。
このルーム100内には、複数のセンサ(温度センサ)が設置される。例えば、ルーム100がエリアで区分けされる場合には、そのエリアごとに1つ以上の温度センサが設置される。また、各サーバ3やエリア内で選択したサーバ3の吸気口や排気口に温度センサが設置される。これらのセンサから得られた情報(センサ情報)を、通信回線等を介して、そのルームに対応付けられたルーム内負荷量制御装置1が取得することができる。
本実施形態に係るルーム内負荷量制御装置1は、サーバ負荷や初期温度等のパラメータを変動させて、空調機2による「過冷却制御」と「最適化制御(後記する「縮退制御」)」を実行して学習履歴を生成し、その学習履歴を利用して、過冷却制御に適した過冷却中および過冷却後のルーム内の負荷量を決定する。
ルーム内負荷量制御装置1は、過冷却に適した最適負荷量を算出するに際し、過冷却中のターンと過冷却後のターンの2つのフェーズに分けてそれぞれで最適負荷量を求める。ルーム内負荷量制御装置1は、過冷却中のターン(以下、「過冷却中ターン」)においては、学習履歴から、過冷却効果と費やしたリソースとに基づく過冷却スコア関数(詳細は後記)を求めて最適負荷量を算出する。また、ルーム内負荷量制御装置1は、過冷却後のターン(以下、「過冷却後ターン」)においては、学習履歴から、電力を供給するためのコストに基づく消費電力量コスト効率(詳細は後記)を求めて最適負荷量を算出する。
以下、ルーム内負荷量制御装置1について詳細に説明する。
以下、ルーム内負荷量制御装置1について詳細に説明する。
<ルーム内負荷量制御装置>
図4は、本実施形態に係るルーム内負荷量制御装置1の構成例を示す機能ブロック図である。
ルーム内負荷量制御装置1は、サーバ負荷や初期温度等のパラメータを変動させて、空調機2による「過冷却制御」と「最適化制御(後記する「縮退制御」)」を実行して学習履歴を生成し、生成した学習履歴に基づき、過冷却中ターン、過冷却後ターンそれぞれにおける最適負荷量を算出する。
図4は、本実施形態に係るルーム内負荷量制御装置1の構成例を示す機能ブロック図である。
ルーム内負荷量制御装置1は、サーバ負荷や初期温度等のパラメータを変動させて、空調機2による「過冷却制御」と「最適化制御(後記する「縮退制御」)」を実行して学習履歴を生成し、生成した学習履歴に基づき、過冷却中ターン、過冷却後ターンそれぞれにおける最適負荷量を算出する。
このルーム内負荷量制御装置1は、制御部10、入出力部20および記憶部30を備えるコンピュータにより構成される。
入出力部20は、ルーム100内の各装置(各サーバ3および各空調機2)等との間の情報について入出力を行う。この入出力部20は、通信回線を介して情報の送受信を行う通信インタフェースと、図示を省略したキーボード等の入力装置やモニタ等の出力装置との間で情報の入出力を行う入出力インタフェースとから構成される。
記憶部30は、ハードディスクやフラッシュメモリ、RAM(Random Access Memory)等により構成される。
この記憶部30には、制御部10の各機能を実行させるためのプログラムや、制御部10の処理に必要な情報が一時的に記憶される。例えば後記する、「c1」(過冷却中ターンにおける消費電力コスト係数)や、「c2」(過冷却後ターンにおける消費電力コスト係数)等の各係数が記憶部30に格納される。
また、この記憶部30には、学習履歴情報300が格納される。学習履歴情報300の詳細は後記する。
この記憶部30には、制御部10の各機能を実行させるためのプログラムや、制御部10の処理に必要な情報が一時的に記憶される。例えば後記する、「c1」(過冷却中ターンにおける消費電力コスト係数)や、「c2」(過冷却後ターンにおける消費電力コスト係数)等の各係数が記憶部30に格納される。
また、この記憶部30には、学習履歴情報300が格納される。学習履歴情報300の詳細は後記する。
制御部10は、ルーム内負荷量制御装置1が実行する処理の全般を司り、図4で示すように、学習履歴生成部11、DCルーム内負荷量生成部12、DCルーム内負荷配置制御部13、DCルーム内空調制御部14、DCルーム内最適負荷量決定部15を含んで構成される。
学習履歴生成部11は、ルーム内初期温度、ルーム内負荷量をそれぞれ変更させた学習パターンに基づき、空調機2の過冷却制御、縮退制御それぞれにおけるターンの消費電力量(空調消費電力量)とターン後のルーム100内の温度を求め、学習履歴情報300(図4)として保存する。
ここで、過冷却制御とは、空調機2の設定可能な制御値(例えば、設定温度や風量等)のうち、冷却能力を高めるために各制御パラメータを所定の閾値(所定の制御強度)以上で設定した制御モードである。例えば、各制御パラメータの最大値/最大レベルで過冷却制御が設定される。
また、縮退制御とは、空調機2の空調制御の各パラメータ(例えば、設定温度、風量等)をレベルごとに複数段階に分けて組み合わせ、DCルーム内の温度報酬を満たす最も出力値レベルが低い段階で空調制御することをいう。
例えば、図5で示すように、空調制御のパラメータを、「設定温度」と「風量」とする場合に、設定温度については、例えば、「32℃」「28℃」「24℃」「20℃」「16℃」のように、4℃刻みで段階を設定する。また、風量については、例えば「24Hz」「30Hz」「36Hz」「42Hz」「48Hz」のように6Hz刻みで段階を設定する。そして各パラメータについて設定した段階を組み合わせることにより、「縮退制御段階」を設定する。
図5では、例えば、縮退制御段階「1」として、「設定温度32℃:風量24Hz」が設定される。縮退制御段階「2」として、「設定温度28度:風量30Hz」が設定される。また、縮退制御段階「3」として、「設定温度24度:風量36Hz」が設定される。以下、同様に縮退制御段階「4」,「5」が設定される。
図5では、例えば、縮退制御段階「1」として、「設定温度32℃:風量24Hz」が設定される。縮退制御段階「2」として、「設定温度28度:風量30Hz」が設定される。また、縮退制御段階「3」として、「設定温度24度:風量36Hz」が設定される。以下、同様に縮退制御段階「4」,「5」が設定される。
ここで例えば、DCルーム内の温度報酬として、「サーバ吸気口側エリアの平均温度27℃未満」が設定された場合には、温度報酬として設定された「27℃未満」に制御可能な縮退制御段階「3」「4」「5」が温度報酬の合格圏内となる。そしてこの3つの縮退制御段階「3」「4」「5」のうち、空調消費電力量が最も少なくなる縮退制御段階「3」(設定温度24℃、風量36Hz)が、縮退制御値として決定される。
学習履歴生成部11は、DCルーム内の初期温度(L)ごとにサーバ負荷量(M)、空調制御パターン(過冷却制御と縮退制御の2パターン)を変更させた合計L×M×2のパターン(以下「所定の学習パターン」と称する。)の空調制御を実行した際の学習履歴を取得し、その際の空調消費電力量およびターン終了時のルーム内温度を、学習履歴情報300として記憶部30に記憶する。
なお、DCルーム内の温度については、例えば以下のように定義しておき、いずれかを採用する。
(1)DCルーム内の定点センサの現在温度。
(2)DCルーム内の各区域(エリア)内のセンサ温度の全体平均。
(3)DCルーム内の吸気口側、若しくは、排気口側それぞれの平均温度。
(1)DCルーム内の定点センサの現在温度。
(2)DCルーム内の各区域(エリア)内のセンサ温度の全体平均。
(3)DCルーム内の吸気口側、若しくは、排気口側それぞれの平均温度。
学習履歴生成部11は、例えば、図6で示すように、初期温度(L)を「18℃」「24℃」「30℃」の3段階に設定し、サーバ負荷量を「30kW」「60kW」「90kW」を3段階に設定し、それぞれの空調制御を「過冷却制御」と「縮退制御」の2段階とした、3×3×2=18の学習パターンで学習履歴情報300を生成する。
なお、この初期温度の設定や、サーバ負荷量の設定は、3段階に限定されずそれ以上の段階を設定してもよい。例えば、サーバ負荷量を、「30kW」「60kW」「80kW」「100kW」のように、4段階に設定してもよい。
なお、この初期温度の設定や、サーバ負荷量の設定は、3段階に限定されずそれ以上の段階を設定してもよい。例えば、サーバ負荷量を、「30kW」「60kW」「80kW」「100kW」のように、4段階に設定してもよい。
学習履歴生成部11は、所定の学習パターンで実行した学習履歴を、DCルーム内の初期温度のレンジごとに分類し、学習履歴情報300として記憶する。
例えば、「初期温度18℃~23℃のレンジ」を「学習データセットA」とする。「初期温度24℃~29℃のレンジ」を「学習データセットB」とする。「初期温度30℃~35℃のレンジ」を「学習データセットC」とする。学習履歴情報300には、このように、初期温度のレンジごとに、初期温度、サーバ負荷量、空調制御(過冷却制御または縮退制御)の情報が、そのときの空調消費電力量とターン終了時のルーム内温度、に対応付けて学習データセットとして記憶される。
なお、この所定の学習パターンは、予め学習履歴生成部11に設定されていてもよいし、DC1000の管理装置(図示省略)から取得して学習履歴の生成処理を開始するようにしてもよい。
例えば、「初期温度18℃~23℃のレンジ」を「学習データセットA」とする。「初期温度24℃~29℃のレンジ」を「学習データセットB」とする。「初期温度30℃~35℃のレンジ」を「学習データセットC」とする。学習履歴情報300には、このように、初期温度のレンジごとに、初期温度、サーバ負荷量、空調制御(過冷却制御または縮退制御)の情報が、そのときの空調消費電力量とターン終了時のルーム内温度、に対応付けて学習データセットとして記憶される。
なお、この所定の学習パターンは、予め学習履歴生成部11に設定されていてもよいし、DC1000の管理装置(図示省略)から取得して学習履歴の生成処理を開始するようにしてもよい。
学習履歴生成部11は、この学習履歴情報300を生成するに際に、ルーム100内の負荷配置や、空調制御の実行を、DCルーム内負荷量生成部12、DCルーム内負荷配置制御部13およびDCルーム内空調制御部14に指示する。
DCルーム内負荷量生成部12は、学習履歴情報300の生成時において、サーバ負荷量を設定するサーバ3を決定する。このDCルーム内負荷量生成部12は、負荷生成サーバ決定部121と、サーバ電力計測部122とを備える。
負荷生成サーバ決定部121は、学習履歴生成部11により設定されたサーバ負荷量を、ルーム100内の各サーバ3に配置した配置パターンを決定する。負荷生成サーバ決定部121による配置パターンの決定ロジックは、例えば、直近の各サーバ3のリソース使用状況(例えば、CPU使用率)に基づき決定するなどのロジックを予め設定しておく。
サーバ電力計測部122は、負荷生成サーバ決定部121が決定した配置パターンで、学習履歴情報300の生成時に、各サーバ3が処理を実行した際のサーバ電力量(サーバ消費電力量)を計測する。
サーバ電力計測部122は、負荷生成サーバ決定部121が決定した配置パターンで、学習履歴情報300の生成時に、各サーバ3が処理を実行した際のサーバ電力量(サーバ消費電力量)を計測する。
DCルーム内負荷配置制御部13は、負荷生成サーバ決定部121が決定した配置パターンの各サーバ3について、仮想リソース(VM、コンテナ等)を生成して配置し、学習履歴情報300の生成時において、実際に設定された負荷処理を実行させる。
DCルーム内空調制御部14は、1ターン毎に、過冷却制御、縮退制御のいずれかに応じた、各空調機2の空調制御(設定温度、風量等)を実行する。このDCルーム内空調制御部14は、空調制御実行部141と縮退制御値決定部142とを備える。
空調制御実行部141は、学習履歴生成部11により設定された、過冷却制御、縮退制御のいずれかに応じた空調機の空調制御(設定温度、風量等)を、各空調機2へ指示する。
空調制御実行部141は、過冷却制御を空調機2に実行させる場合には、例えば、各制御パラメータ(設定温度、風量等)の最大値/最大レベルでの設定指示を、空調機2へ送信する。
また、空調制御実行部141は、縮退制御を空調機2に実行させる場合には、縮退制御値決定部142が決定した、空調消費電力量が最も少なくなる縮退制御値に基づき、空調機2へ制御情報を送信する。
空調制御実行部141は、過冷却制御を空調機2に実行させる場合には、例えば、各制御パラメータ(設定温度、風量等)の最大値/最大レベルでの設定指示を、空調機2へ送信する。
また、空調制御実行部141は、縮退制御を空調機2に実行させる場合には、縮退制御値決定部142が決定した、空調消費電力量が最も少なくなる縮退制御値に基づき、空調機2へ制御情報を送信する。
縮退制御値決定部142は、空調機2の空調制御に関する縮退制御段階(図5)のうち、DCルーム内の温度報酬を満たす、最も出力値レベルが低い、つまり、空調消費電力量が最も少なくなる縮退制御段階の制御値を、縮退制御値として決定する。
DCルーム内最適負荷量決定部15は、所定の間隔(例えば、30分)を1ターンとみなし、連続するターンにおいて2ターンを1周期として、過冷却実行中のターン(以下、「過冷却中ターン」と称する。)と、過冷却実行後のターン(以下、「過冷却後ターン」と称する。)とを定義する。
DCルーム内最適負荷量決定部15は、過冷却に適したルーム100内の最適負荷量を、学習履歴情報300を用いて、過冷却中ターンの負荷量と、過冷却後ターンの負荷量として算出する。
このDCルーム内最適負荷量決定部15は、過冷却中負荷量算出部151と、過冷却後負荷量算出部152とを備える。
DCルーム内最適負荷量決定部15は、過冷却に適したルーム100内の最適負荷量を、学習履歴情報300を用いて、過冷却中ターンの負荷量と、過冷却後ターンの負荷量として算出する。
このDCルーム内最適負荷量決定部15は、過冷却中負荷量算出部151と、過冷却後負荷量算出部152とを備える。
過冷却中負荷量算出部151は、学習履歴情報300を用いて、過冷却中ターンにおける過冷却制御に適した最適負荷量を、「過冷却スコア関数」を求めることにより算出する。
ここで過冷却スコア関数(S1)は、以下の式(1)で示すように、過冷却の成果を、費やしたリソースで除算した関数として定義される。
ここで過冷却スコア関数(S1)は、以下の式(1)で示すように、過冷却の成果を、費やしたリソースで除算した関数として定義される。
「x」は、過冷却中ターンにおけるルーム内負荷量である。
「u(t)」は、サーバ吸気口温度の1ターン期間中の時間的変動を示した関数である。ルーム環境によって異なる。
「c」は、空調の最適制御時の制御レベルである。
「f(x,u(t),c)」は、過冷却中ターンにおける過冷却制御と縮退制御の1台当たりの空調消費電力量差、つまり、過冷却制御のために費やしたリソースを示す。
「g(x,u(t),c)」は、過冷却中ターン終了時に、過冷却制御が縮退制御に比べてルーム内温度を何度低下させたか示す温度差、つまり、過冷却の成果を示す。
「u(t)」は、サーバ吸気口温度の1ターン期間中の時間的変動を示した関数である。ルーム環境によって異なる。
「c」は、空調の最適制御時の制御レベルである。
「f(x,u(t),c)」は、過冷却中ターンにおける過冷却制御と縮退制御の1台当たりの空調消費電力量差、つまり、過冷却制御のために費やしたリソースを示す。
「g(x,u(t),c)」は、過冷却中ターン終了時に、過冷却制御が縮退制御に比べてルーム内温度を何度低下させたか示す温度差、つまり、過冷却の成果を示す。
過冷却中負荷量算出部151は、過冷却制御終了時の過冷却スコア関数を上記の式(1)のように定義し、学習履歴情報300に基づき関数を近似化することで、過冷却スコア関数を最大化する負荷量を、過冷却中ターンの最適負荷量とする。
具体的には、過冷却中負荷量算出部151は、ルーム100の初期温度を取得し、その初期温度に該当する学習履歴を学習履歴情報300から取得する。ここでは、ルーム100の初期温度が19℃であり、負荷量が「30kW」「60kW」「80kW」「100kW」のときの空調消費電力量について、過冷却制御時と縮退制御時とを得ることにより、1ターン目の合計空調消費電力量差を算出する。
図7は、初期温度19℃時の学習データを用いて、「f(x,u(t),c)」の関数を近似化したグラフである。過冷却中負荷量算出部151は、初期温度19℃が含まれる「初期温度18℃~23℃のレンジ」の学習履歴情報300(例えば「学習データセットA」)から、サーバ負荷量が、「30kW」「60kW」「80kW」「100kW」の時の学習データを取得し、過冷却制御と縮退制御の空調消費電力量差を算出する。そして、過冷却中負荷量算出部151は、「f(x,u(t),c)」を近似化した式として、図7の符号71を得ることができる。なお、u(0)のルーム100の初期温度と対象ルームを固定することで、「f(x,u(t),c)」を「f(x)」の一変数関数として扱う。
図8は、初期温度19℃時の学習データを用いて、「g(x,u(t),c)」の関数を近似化したグラフである。過冷却中負荷量算出部151は、初期温度19℃が含まれる「初期温度18℃~23℃のレンジ」の学習履歴情報300(例えば「学習データセットA」)から、サーバ負荷量が、「30kW」「60kW」「80kW」「100kW」の時の学習データを取得し、過冷却制御が縮退制御に比べてルーム内温度を何度低下させたか示す温度差を算出する。そして、過冷却中負荷量算出部151は、「g(x,u(t),c)」を近似化した式として、図8の符号81を得ることができる。なお、u(0)のルーム100の初期温度と対象ルームを固定することで、「g(x,u(t),c)」を「g(x)」の一変数として扱う。
過冷却中負荷量算出部151は、算出した「f(x)」と「g(x)」とを用いて過冷却スコア関数S1=g(x)/f(x)を求めると、図9で示すグラフとなる。
過冷却中負荷量算出部151は、過冷却中の最適なルーム負荷量を過冷却スコア関数S1の微分結果によりS1を最大化する負荷量として求めることができる。
過冷却中負荷量算出部151は、過冷却中の最適なルーム負荷量を過冷却スコア関数S1の微分結果によりS1を最大化する負荷量として求めることができる。
ここで、d/dx(g(x)/f(x))=0 となるxが存在する場合、xが該当ルーム100の過冷却中の最適な負荷量となる。図9においては、過冷却中ターンの最適な負荷量が46kW~49kWであることを示している。
d/dx(g(x)/f(x)) > 0 に常になる場合、該当ルーム100で冷却可能な最大負荷が最適な負荷量である。
d/dx(g(x)/f(x)) < 0 に常になる場合、該当ルーム100での最小負荷が最適な負荷量である。
d/dx(g(x)/f(x)) > 0 に常になる場合、該当ルーム100で冷却可能な最大負荷が最適な負荷量である。
d/dx(g(x)/f(x)) < 0 に常になる場合、該当ルーム100での最小負荷が最適な負荷量である。
このようにして、過冷却中負荷量算出部151は、学習履歴情報300に基づき関数(「f(x)」,「g(x)」)を近似化することで、過冷却スコア関数を用いて過冷却中ターンの最適負荷量を算出することができる。
過冷却後負荷量算出部152は、学習履歴情報300を用いて、過冷却後ターンにおける最適負荷量を算出する。
具体的には、過冷却後負荷量算出部152は、「消費電力量コスト効率」を以下の式(2)のように定義し、学習履歴情報300に基づき関数を近似化し、過冷却中ターンの最適負荷量を固定した際の消費電力量コスト効率(Ec)を最大化する負荷量を、過冷却後ターンの最適負荷量とする。
具体的には、過冷却後負荷量算出部152は、「消費電力量コスト効率」を以下の式(2)のように定義し、学習履歴情報300に基づき関数を近似化し、過冷却中ターンの最適負荷量を固定した際の消費電力量コスト効率(Ec)を最大化する負荷量を、過冷却後ターンの最適負荷量とする。
ここで、過冷却中ターンにおいて、次のように定義する。
「x」は、過冷却中ターンにおけるルーム内負荷量である。
「c1」は、過冷却中ターンにおける消費電力コスト係数である。例えば、(7円/kWh)等であり、消費電力を電気料金に変換する係数である。
「u0」は、過冷却中ターン開始時の初期温度である。
「p(u0,x)」は、過冷却中ターンの空調消費電力量である。
また、過冷却後ターンにおいて、次のように定義する。
「y」は、過冷却後ターンにおけるルーム内負荷量である。
「c2」は、過冷却後ターンにおける消費電力コスト係数である。例えば、(14円/kWh)等であり、消費電力を電気料金に変換する係数である。
「u(x)」は、過冷却後ターン開始時の初期温度である。
「p(u(x),y)」は、過冷却後ターンの空調消費電力量である。
また、「k」は、サーバ負荷をサーバ消費電力に換算する係数(負荷・サーバ電力比率係数)である。この「k」は、各サーバ3に設定されたサーバ負荷量と、サーバ電力計測部122が学習履歴の生成時に計測したサーバ電力量(サーバ消費電力量)に基づき算出される。
「x」は、過冷却中ターンにおけるルーム内負荷量である。
「c1」は、過冷却中ターンにおける消費電力コスト係数である。例えば、(7円/kWh)等であり、消費電力を電気料金に変換する係数である。
「u0」は、過冷却中ターン開始時の初期温度である。
「p(u0,x)」は、過冷却中ターンの空調消費電力量である。
また、過冷却後ターンにおいて、次のように定義する。
「y」は、過冷却後ターンにおけるルーム内負荷量である。
「c2」は、過冷却後ターンにおける消費電力コスト係数である。例えば、(14円/kWh)等であり、消費電力を電気料金に変換する係数である。
「u(x)」は、過冷却後ターン開始時の初期温度である。
「p(u(x),y)」は、過冷却後ターンの空調消費電力量である。
また、「k」は、サーバ負荷をサーバ消費電力に換算する係数(負荷・サーバ電力比率係数)である。この「k」は、各サーバ3に設定されたサーバ負荷量と、サーバ電力計測部122が学習履歴の生成時に計測したサーバ電力量(サーバ消費電力量)に基づき算出される。
ここで、式(2)の消費電力量コスト効率Ecにおいて、過冷却中の最適負荷量を「x0」に固定して以下の式(3)とし、yの一変数関数とする。これにより、消費電力量コスト効率Ecは、図10で示すグラフで表すことができる。
過冷却後負荷量算出部152は、過冷却中ターンの最適負荷量x0を固定してyの一変数関数とし、過冷却中ターン終了時のルーム内温度の情報を、学習履歴情報300から得ることにより、過冷却後ターンの最適なルーム負荷量を、消費電力量コスト効率Ec(y)の微分結果により求めることができる。
ここで、d/dy(Ec(y)) = 0 となるyが存在する場合、yが該当ルーム100の過冷却後ターンの最適な負荷量となる(図10参照)。
d/dy(Ec(y)) > 0 に常になる場合、該当ルーム100で冷却可能な最大負荷が最適な負荷量となる。
d/dy(Ec(y)) < 0 に常になる場合、該当ルーム100での最小負荷が最適な負荷量となる。
d/dy(Ec(y)) > 0 に常になる場合、該当ルーム100で冷却可能な最大負荷が最適な負荷量となる。
d/dy(Ec(y)) < 0 に常になる場合、該当ルーム100での最小負荷が最適な負荷量となる。
このようにして、過冷却後負荷量算出部152は、消費電力量コスト効率Ecを式(2)のように定義し、学習履歴に基づき関数Ec(y)を近似化することで、過冷却後ターンの最適負荷量を算出することができる。
≪処理の流れ≫
次に、ルーム内負荷量制御装置1が実行する処理の流れについて説明する。
図11は、本実施形態に係るルーム内負荷量制御装置1が実行する処理の流れを示すフローチャートである。
まず、ルーム内負荷量制御装置1は、学習履歴生成部11等による、学習履歴情報300の生成処理を実行する。具体的には、以下のステップS1~S5の処理を実行する。
次に、ルーム内負荷量制御装置1が実行する処理の流れについて説明する。
図11は、本実施形態に係るルーム内負荷量制御装置1が実行する処理の流れを示すフローチャートである。
まず、ルーム内負荷量制御装置1は、学習履歴生成部11等による、学習履歴情報300の生成処理を実行する。具体的には、以下のステップS1~S5の処理を実行する。
ルーム内負荷量制御装置1の学習履歴生成部11は、学習履歴を生成するための初期温度の設定値と、サーバ負荷量の設定値の情報を取得する(ステップS1)。
例えば、ルーム内負荷量制御装置1は、初期温度(L)を「18℃」「24℃」「30℃」の3段階に設定し、サーバ負荷量を「30kW」「60kW」「90kW」を3段階に設定し、それぞれの空調制御を「過冷却制御」と「縮退制御」の2段階とした、3×3×2=18パターンの学習パターンの情報を取得する。
そして、学習履歴生成部11は、以降のステップでは、全学習パターンのうちの1つを選択して順次、学習履歴情報300を生成する。例えば、初期温度「18℃」サーバ負荷量「30kW」、空調制御「過冷却」のパターンを選択する。次に、初期温度「18℃」サーバ負荷量「30kW」、空調制御「縮退制御」のパターンを選択する。このように、学習履歴生成部11は、学習パターンとして設定された全てのパターンについて、以下のステップS2~S5の処理を繰り返す。
例えば、ルーム内負荷量制御装置1は、初期温度(L)を「18℃」「24℃」「30℃」の3段階に設定し、サーバ負荷量を「30kW」「60kW」「90kW」を3段階に設定し、それぞれの空調制御を「過冷却制御」と「縮退制御」の2段階とした、3×3×2=18パターンの学習パターンの情報を取得する。
そして、学習履歴生成部11は、以降のステップでは、全学習パターンのうちの1つを選択して順次、学習履歴情報300を生成する。例えば、初期温度「18℃」サーバ負荷量「30kW」、空調制御「過冷却」のパターンを選択する。次に、初期温度「18℃」サーバ負荷量「30kW」、空調制御「縮退制御」のパターンを選択する。このように、学習履歴生成部11は、学習パターンとして設定された全てのパターンについて、以下のステップS2~S5の処理を繰り返す。
次に、DCルーム内負荷量生成部12(負荷生成サーバ決定部121)は、設定されたサーバ負荷量(例えば、「30kW」)をルーム100内の各サーバに配置する配置パターンについて、所定ロジックに基づき決定する(ステップS2)。
続いて、DCルーム内負荷配置制御部13は、負荷生成サーバ決定部121が決定した配置パターンの各サーバ3について、仮想リソース(VM、コンテナ等)を生成して配置する(ステップS3)。
そして、DCルーム内空調制御部14(空調制御実行部141)は、1ターン毎に、過冷却制御、縮退制御のいずれかに応じた、各空調機2の空調制御(設定温度、風量等)を実行する(ステップS4)。
空調制御実行部141は、過冷却制御を空調機2に実行させる場合には、例えば、各制御パラメータ(設定温度、風量等)の最大値/最大レベルでの設定指示を、空調機2へ送信することにより、空調機2を制御する。
一方、空調制御実行部141は、縮退制御を空調機2に実行させる場合には、縮退制御値決定部142が決定した、空調消費電力量が最も少なくなる縮退制御値に基づき、空調機2へ制御情報を送信することにより、空調機2を制御する。
空調制御実行部141は、過冷却制御を空調機2に実行させる場合には、例えば、各制御パラメータ(設定温度、風量等)の最大値/最大レベルでの設定指示を、空調機2へ送信することにより、空調機2を制御する。
一方、空調制御実行部141は、縮退制御を空調機2に実行させる場合には、縮退制御値決定部142が決定した、空調消費電力量が最も少なくなる縮退制御値に基づき、空調機2へ制御情報を送信することにより、空調機2を制御する。
学習履歴生成部11は、各学習パターンで実行した学習履歴を、DCルーム内の初期温度のレンジごとに分類し、学習履歴情報300として記憶する(ステップS5)。
この学習履歴情報300には、初期温度のレンジごとに、初期温度、サーバ負荷量、空調制御(過冷却制御または縮退制御)の情報が、そのときの空調消費電力量とターン終了時のルーム内温度に対応付けて記憶される。
この学習履歴情報300には、初期温度のレンジごとに、初期温度、サーバ負荷量、空調制御(過冷却制御または縮退制御)の情報が、そのときの空調消費電力量とターン終了時のルーム内温度に対応付けて記憶される。
続いて、過冷却中負荷量算出部151は、学習履歴情報300を用いて、過冷却中ターンにおける過冷却制御に適した最適負荷量を、過冷却スコア関数を求めることにより算出する(ステップS6)。
具体的には、過冷却中負荷量算出部151は、ルーム100の現在の温度センサの情報を取得し、その温度(初期温度)に対応する学習履歴情報300を取得する。
そして、過冷却中負荷量算出部151は、式(1)で示される過冷却の効果「g(x)」と、費やしたリソース量「f(x)」について、それぞれの関数を近似化し、過冷却スコア関数S1=g(x)/f(x)を得ることにより、S1の微分結果に基づきS1を最大化する負荷量を算出する。
そして、過冷却中負荷量算出部151は、式(1)で示される過冷却の効果「g(x)」と、費やしたリソース量「f(x)」について、それぞれの関数を近似化し、過冷却スコア関数S1=g(x)/f(x)を得ることにより、S1の微分結果に基づきS1を最大化する負荷量を算出する。
次に、過冷却後負荷量算出部152は、消費電力量コスト効率を上記した式(2)のように定義し、過冷却中の最適負荷量を固定して式(3)とすることにより、過冷却後ターンの最適な負荷量を算出する(ステップS7)。
具体的には、過冷却後負荷量算出部152は、式(2)で示される消費電力量コスト効率(Ec)について、過冷却中ターンの最適負荷量をx0を固定してyの一変数関数とし、式(3)とする。そして、過冷却後負荷量算出部152は、過冷却中ターン終了時のルーム内温度の情報を、学習履歴情報300から得ることにより、過冷却後ターンの最適なルーム負荷量を、消費電力量コスト効率Ec(y)の微分結果により算出する。
具体的には、過冷却後負荷量算出部152は、式(2)で示される消費電力量コスト効率(Ec)について、過冷却中ターンの最適負荷量をx0を固定してyの一変数関数とし、式(3)とする。そして、過冷却後負荷量算出部152は、過冷却中ターン終了時のルーム内温度の情報を、学習履歴情報300から得ることにより、過冷却後ターンの最適なルーム負荷量を、消費電力量コスト効率Ec(y)の微分結果により算出する。
このように、ルーム内負荷量制御装置1は、サーバ負荷や初期温度等のパラメータを変動させて、空調機2による「過冷却制御」と「縮退制御」を実行して学習履歴情報300を生成する。そして、ルーム内負荷量制御装置1は、その学習履歴情報300を用いて、過冷却制御に適した過冷却中ターンおよび過冷却後ターンのルーム内の負荷量を決定することができる。
<ハードウェア構成>
本実施形態に係るルーム内負荷量制御装置1は、例えば図12に示すような構成のコンピュータ900によって実現される。
図12は、本実施形態に係るルーム内負荷量制御装置1の機能を実現するコンピュータ900の一例を示すハードウェア構成図である。コンピュータ900は、CPU(Central Processing Unit)901、ROM(Read Only Memory)902、RAM903、HDD(Hard Disk Drive)904、入出力I/F(Interface)905、通信I/F906およびメディアI/F907を有する。
本実施形態に係るルーム内負荷量制御装置1は、例えば図12に示すような構成のコンピュータ900によって実現される。
図12は、本実施形態に係るルーム内負荷量制御装置1の機能を実現するコンピュータ900の一例を示すハードウェア構成図である。コンピュータ900は、CPU(Central Processing Unit)901、ROM(Read Only Memory)902、RAM903、HDD(Hard Disk Drive)904、入出力I/F(Interface)905、通信I/F906およびメディアI/F907を有する。
CPU901は、ROM902またはHDD904に記憶されたプログラムに基づき作動し、制御部10による制御を行う。ROM902は、コンピュータ900の起動時にCPU901により実行されるブートプログラムや、コンピュータ900のハードウェアに係るプログラム等を記憶する。
CPU901は、入出力I/F905を介して、マウスやキーボード等の入力装置910、および、ディスプレイやプリンタ等の出力装置911を制御する。CPU901は、入出力I/F905を介して、入力装置910からデータを取得するともに、生成したデータを出力装置911へ出力する。なお、プロセッサとしてCPU901とともに、GPU(Graphics Processing Unit)等を用いても良い。
HDD904は、CPU901により実行されるプログラムおよび当該プログラムによって使用されるデータ等を記憶する。通信I/F906は、通信網(例えば、NW(Network)920)を介して他の装置からデータを受信してCPU901へ出力し、また、CPU901が生成したデータを、通信網を介して他の装置へ送信する。
メディアI/F907は、記録媒体912に格納されたプログラムまたはデータを読み取り、RAM903を介してCPU901へ出力する。CPU901は、目的の処理に係るプログラムを、メディアI/F907を介して記録媒体912からRAM903上にロードし、ロードしたプログラムを実行する。記録媒体912は、DVD(Digital Versatile Disc)、PD(Phase change rewritable Disk)等の光学記録媒体、MO(Magneto Optical disk)等の光磁気記録媒体、磁気記録媒体、半導体メモリ等である。
例えば、コンピュータ900が本実刑形態に係るルーム内負荷量制御装置1として機能する場合、コンピュータ900のCPU901は、RAM903上にロードされたプログラムを実行することにより、ルーム内負荷量制御装置1の機能を実現する。また、HDD904には、RAM903内のデータが記憶される。CPU901は、目的の処理に係るプログラムを記録媒体912から読み取って実行する。この他、CPU901は、他の装置から通信網(NW920)を介して目的の処理に係るプログラムを読み込んでもよい。
<効果>
以下、本発明に係るルーム内負荷量制御装置1等の効果について説明する。
本発明に係るルーム内負荷量制御装置は、複数のサーバ3および1つ以上の空調機2が配置されるデータセンタ1000のルーム100におけるサーバ3および空調機2を制御するルーム内負荷量制御装置1であって、ルーム100内の初期温度の複数の段階と、ルーム100内のサーバ3に負荷するサーバ負荷量の複数の段階と、空調制御を所定の閾値以上に設定して空調機2を制御する過冷却制御または温度報酬を満たす制御のうち最も空調消費量が少ない段階での制御を示す縮退制御と、をそれぞれ組み合わせた学習パターンについて、所定の制御時間を示すターンにおいてサーバ3および空調機2を制御することにより、ルーム100全体の空調機2の消費電力量と、ターン終了時のルーム内の温度とを、学習パターンごとの学習履歴情報300として生成する学習履歴生成部11と、連続する2つのターンを1周期とし、1ターン目を過冷却中ターン、2ターン目を過冷却後ターンと定義しておき、過冷却中ターンにおける過冷却制御に適した負荷量を、学習履歴情報300を用いて算出する過冷却中負荷量算出部151と、過冷却後ターンにおける縮退制御に適した負荷量を、学習履歴情報を用いて算出する過冷却後負荷量算出部152と、を備えることを特徴とする。
以下、本発明に係るルーム内負荷量制御装置1等の効果について説明する。
本発明に係るルーム内負荷量制御装置は、複数のサーバ3および1つ以上の空調機2が配置されるデータセンタ1000のルーム100におけるサーバ3および空調機2を制御するルーム内負荷量制御装置1であって、ルーム100内の初期温度の複数の段階と、ルーム100内のサーバ3に負荷するサーバ負荷量の複数の段階と、空調制御を所定の閾値以上に設定して空調機2を制御する過冷却制御または温度報酬を満たす制御のうち最も空調消費量が少ない段階での制御を示す縮退制御と、をそれぞれ組み合わせた学習パターンについて、所定の制御時間を示すターンにおいてサーバ3および空調機2を制御することにより、ルーム100全体の空調機2の消費電力量と、ターン終了時のルーム内の温度とを、学習パターンごとの学習履歴情報300として生成する学習履歴生成部11と、連続する2つのターンを1周期とし、1ターン目を過冷却中ターン、2ターン目を過冷却後ターンと定義しておき、過冷却中ターンにおける過冷却制御に適した負荷量を、学習履歴情報300を用いて算出する過冷却中負荷量算出部151と、過冷却後ターンにおける縮退制御に適した負荷量を、学習履歴情報を用いて算出する過冷却後負荷量算出部152と、を備えることを特徴とする。
このようにすることで、ルーム内負荷量制御装置1は、再生エネルギー等の活用による電気料金の変動を考慮して、過冷却中ターンと、過冷却後ターンにおけるルーム100の最適な負荷量を算出することができる。よって、ルーム内負荷量制御装置1は、過冷却制御に最適な負荷量をルームに設定することにより、DCのルームにおける電力コスト効率を高めることができる。
また、ルーム内負荷量制御装置1において、過冷却中負荷量算出部151が、過冷却中ターン終了時における過冷却制御と縮退制御それぞれにおいて低下させた温度の温度差と、過冷却中ターンにおける過冷却制御と縮退制御との空調機2の消費電力量差とを用いた過冷却スコア関数を定義し、学習履歴情報300に基づき当該過冷却スコア関数を近似化することで、過冷却中ターンにおける過冷却制御に適した負荷量を算出することを特徴とする。
このようにすることで、ルーム内負荷量制御装置1は、過冷却中ターンにおける最適な負荷量を、所定の学習パターンの学習履歴、つまりすべてのパターンの学習履歴ではなく、予め設定された少ない量の学習履歴を収集するだけで算出することが可能となる。
また、ルーム内負荷量制御装置1において、過冷却後負荷量算出部152が、過冷却中ターンと過冷却後ターンにおける合計の消費電力量コストを、過冷却中ターンと過冷却後ターンにおける合計のルーム内の負荷量で除した値を、消費電力量コスト効率として定義し、過冷却中ターンにおける負荷量を過冷却中負荷量算出部151が算出した値に固定した際の消費電力量コスト効率を用いて、過冷却後ターン中における縮退制御に適した負荷量を算出することを特徴とする。
このようにすることで、ルーム内負荷量制御装置1は、消費電力量コスト効率を定義した上で、過冷却中ターンにおける算出された最適負荷量を用いて、過冷却後ターンにおける最適な負荷量を算出することができる。
なお、本発明は、以上説明した実施形態に限定されるものではなく、多くの変形が本発明の技術的思想内で当分野において通常の知識を有する者により可能である。
1 ルーム内負荷量制御装置
2 空調機
3 サーバ
10 制御部
11 学習履歴生成部
12 DCルーム内負荷量生成部
13 DCルーム内負荷配置制御部
14 DCルーム内空調制御部
15 DCルーム内最適負荷量決定部
20 入出力部
30 記憶部
100 ルーム
121 負荷生成サーバ決定部
122 サーバ電力計測部
141 空調制御実行部
142 縮退制御値決定部
151 過冷却中負荷量算出部
152 過冷却後負荷量算出部
300 学習履歴情報
1000 データセンタ(DC)
2 空調機
3 サーバ
10 制御部
11 学習履歴生成部
12 DCルーム内負荷量生成部
13 DCルーム内負荷配置制御部
14 DCルーム内空調制御部
15 DCルーム内最適負荷量決定部
20 入出力部
30 記憶部
100 ルーム
121 負荷生成サーバ決定部
122 サーバ電力計測部
141 空調制御実行部
142 縮退制御値決定部
151 過冷却中負荷量算出部
152 過冷却後負荷量算出部
300 学習履歴情報
1000 データセンタ(DC)
Claims (5)
- 複数のサーバおよび1つ以上の空調機が配置されるデータセンタのルームにおける前記サーバおよび前記空調機を制御するルーム内負荷量制御装置であって、
前記ルーム内の初期温度の複数の段階と、前記ルーム内の前記サーバに負荷するサーバ負荷量の複数の段階と、空調制御を所定の閾値以上に設定して前記空調機を制御する過冷却制御または温度報酬を満たす制御のうち最も空調消費量が少ない段階での制御を示す縮退制御と、をそれぞれ組み合わせた学習パターンについて、所定の制御時間を示すターンにおいて前記サーバおよび前記空調機を制御することにより、前記ルーム全体の空調機の消費電力量と、前記ターン終了時のルーム内の温度とを、前記学習パターンごとの学習履歴情報として生成する学習履歴生成部と、
連続する2つのターンを1周期とし、1ターン目を過冷却中ターン、2ターン目を過冷却後ターンと定義しておき、
前記過冷却中ターンにおける過冷却制御に適した負荷量を、前記学習履歴情報を用いて算出する過冷却中負荷量算出部と、
前記過冷却後ターンにおける縮退制御に適した負荷量を、前記学習履歴情報を用いて算出する過冷却後負荷量算出部と、
を備えることを特徴とするルーム内負荷量制御装置。 - 前記過冷却中負荷量算出部は、
前記過冷却中ターン終了時における前記過冷却制御と前記縮退制御それぞれにおいて低下させた温度の温度差と、前記過冷却中ターンにおける前記過冷却制御と前記縮退制御との前記空調機の消費電力量差とを用いた過冷却スコア関数を定義し、前記学習履歴情報に基づき当該過冷却スコア関数を近似化することで、前記過冷却中ターンにおける過冷却制御に適した負荷量を算出すること
を特徴とする請求項1に記載のルーム内負荷量制御装置。 - 前記過冷却後負荷量算出部は、
前記過冷却中ターンと前記過冷却後ターンにおける合計の消費電力量コストを、前記過冷却中ターンと前記過冷却後ターンにおける合計のルーム内の負荷量で除した値を、消費電力量コスト効率として定義し、前記過冷却中ターンにおける負荷量を前記過冷却中負荷量算出部が算出した値に固定した際の前記消費電力量コスト効率を用いて、前記過冷却後ターン中における縮退制御に適した負荷量を算出すること
を特徴とする請求項1または請求項2に記載のルーム内負荷量制御装置。 - 複数のサーバおよび1つ以上の空調機が配置されるデータセンタのルームにおける前記サーバおよび前記空調機を制御するルーム内負荷量制御装置のルーム内負荷量制御方法であって、
前記ルーム内負荷量制御装置は、
前記ルーム内の初期温度の複数の段階と、前記ルーム内の前記サーバに負荷するサーバ負荷量の複数の段階と、空調制御を所定の閾値以上に設定して前記空調機を制御する過冷却制御または温度報酬を満たす制御のうち最も空調消費量が少ない段階での制御を示す縮退制御と、をそれぞれ組み合わせた学習パターンについて、所定の制御時間を示すターンにおいて前記サーバおよび前記空調機を制御することにより、前記ルーム全体の空調機の消費電力量と、前記ターン終了時のルーム内の温度とを、前記学習パターンごとの学習履歴情報として生成するステップと、
連続する2つのターンを1周期とし、1ターン目を過冷却中ターン、2ターン目を過冷却後ターンと定義しておき、
前記過冷却中ターンにおける過冷却制御に適した負荷量を、前記学習履歴情報を用いて算出するステップと、
前記過冷却後ターンにおける縮退制御に適した負荷量を、前記学習履歴情報を用いて算出するステップと、
を実行することを特徴とするルーム内負荷量制御方法。 - 複数のサーバおよび1つ以上の空調機が配置されるデータセンタのルームにおける前記サーバおよび前記空調機を制御するルーム内負荷量制御装置としてコンピュータに、
前記ルーム内の初期温度の複数の段階と、前記ルーム内の前記サーバに負荷するサーバ負荷量の複数の段階と、空調制御を所定の閾値以上に設定して前記空調機を制御する過冷却制御または温度報酬を満たす制御のうち最も空調消費量が少ない段階での制御を示す縮退制御と、をそれぞれ組み合わせた学習パターンについて、所定の制御時間を示すターンにおいて前記サーバおよび前記空調機を制御することにより、前記ルーム全体の空調機の消費電力量と、前記ターン終了時のルーム内の温度とを、前記学習パターンごとの学習履歴情報として生成する手順、
連続する2つのターンを1周期とし、1ターン目を過冷却中ターン、2ターン目を過冷却後ターンと定義しておき、
前記過冷却中ターンにおける過冷却制御に適した負荷量を、前記学習履歴情報を用いて算出する手順、
前記過冷却後ターンにおける縮退制御に適した負荷量を、前記学習履歴情報を用いて算出する手順、
を実行させるためのルーム内負荷量制御プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/042908 WO2024105889A1 (ja) | 2022-11-18 | 2022-11-18 | ルーム内負荷量制御装置、ルーム内負荷量制御方法、および、ルーム内負荷量制御プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/042908 WO2024105889A1 (ja) | 2022-11-18 | 2022-11-18 | ルーム内負荷量制御装置、ルーム内負荷量制御方法、および、ルーム内負荷量制御プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2024105889A1 true WO2024105889A1 (ja) | 2024-05-23 |
Family
ID=91084361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2022/042908 WO2024105889A1 (ja) | 2022-11-18 | 2022-11-18 | ルーム内負荷量制御装置、ルーム内負荷量制御方法、および、ルーム内負荷量制御プログラム |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2024105889A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011163665A (ja) * | 2010-02-10 | 2011-08-25 | Taisei Corp | 空調システムの運転方法 |
JP2013190119A (ja) * | 2012-03-13 | 2013-09-26 | Nomura Research Institute Ltd | 空調機効率情報取得システム |
JP2020115062A (ja) * | 2019-01-18 | 2020-07-30 | 清水建設株式会社 | 管理システム及びプログラム |
-
2022
- 2022-11-18 WO PCT/JP2022/042908 patent/WO2024105889A1/ja unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011163665A (ja) * | 2010-02-10 | 2011-08-25 | Taisei Corp | 空調システムの運転方法 |
JP2013190119A (ja) * | 2012-03-13 | 2013-09-26 | Nomura Research Institute Ltd | 空調機効率情報取得システム |
JP2020115062A (ja) * | 2019-01-18 | 2020-07-30 | 清水建設株式会社 | 管理システム及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11973345B2 (en) | Building energy system with predictive control of battery and green energy resources | |
Thangavelu et al. | Energy optimization methodology of multi-chiller plant in commercial buildings | |
Tang et al. | A direct load control strategy of centralized air-conditioning systems for building fast demand response to urgent requests of smart grids | |
Tang et al. | Energy flexibility quantification of grid-responsive buildings: Energy flexibility index and assessment of their effectiveness for applications | |
Liu et al. | Optimal chiller sequencing control in an office building considering the variation of chiller maximum cooling capacity | |
US20190219293A1 (en) | Control system for central energy facility with distributed energy storage | |
US8396572B2 (en) | System and method for energy plant optimization using mixed integer-linear programming | |
CN109711080B (zh) | 一种冷热电联供***多时间尺度优化运行方法 | |
Gao et al. | A GA-based coordinated demand response control for building group level peak demand limiting with benefits to grid power balance | |
Shan et al. | Development and validation of an effective and robust chiller sequence control strategy using data-driven models | |
Yu et al. | Optimal chiller loading in HVAC System Using a Novel Algorithm Based on the distributed framework | |
US11789415B2 (en) | Building HVAC system with multi-level model predictive control | |
Huang et al. | A hierarchical coordinated demand response control for buildings with improved performances at building group | |
CN107154644B (zh) | 一种基于发电频率限值调节的新能源消纳方法 | |
CN111539584B (zh) | 一种用户级综合能源***规划方法、***以及设备 | |
JP2004317049A (ja) | 熱源運転支援制御方法、システムおよびプログラム | |
CN108494012A (zh) | 一种计及电转气技术的区域综合能源***在线优化方法 | |
Cheng et al. | Hierarchical reserve allocation with air conditioning loads considering lock time using Benders decomposition | |
Xie et al. | Development of a group control strategy based on multi-step load forecasting and its application in hybrid ground source heat pump | |
US20220186962A1 (en) | Building equipment with predictive control and allocation of energy from multiple energy sources | |
Yang et al. | Bi-level decentralized control of electric heating loads considering wind power accommodation in real-time electricity market | |
WO2024105889A1 (ja) | ルーム内負荷量制御装置、ルーム内負荷量制御方法、および、ルーム内負荷量制御プログラム | |
Yuan et al. | Two-level collaborative demand-side management for regional distributed energy system considering carbon emission quotas | |
WO2024105888A1 (ja) | 電力量制御装置、電力量制御方法、電力量制御プログラム、および、電力量制御システム | |
CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22965863 Country of ref document: EP Kind code of ref document: A1 |